Optimiser le ROI de la numérisation : un défi pour les laboratoires pharmaceutiques

En moyenne, les laboratoires pharmaceutiques passent 10 à 15 ans à développer, valider et commercialiser un nouveau produit. Toutefois, la récente pandémie de COVID-19 et le développement efficace et ultrarapide de vaccins à ARNm ont mis l'accent sur le potentiel des outils numériques pour accélérer les processus. Cet événement majeur a renforcé l'intérêt des laboratoires pharmaceutiques pour la transformation numérique et la mise en œuvre d'outils cognitifs dans leurs processus. Toutefois, la numérisation peut être compliquée et difficile à réaliser.

Environ 55 % des laboratoires pharmaceutiques déclarent utiliser des technologies numériques dans une certaine mesure. Toutefois, un manque d'expertise de la gestion des connaissances et de l'utilisation des outils numériques transforme souvent cette initiative intelligente en un investissement discutable. Alors qu'environ 70 % des programmes de numérisation échouent, les laboratoires pharmaceutiques doivent réévaluer les domaines de la numérisation dans lesquels investir et optimiser leurs stratégies de déploiement pour bénéficier d'avantages concurrentiels et mettre au point des produits pharmaceutiques révolutionnaires.

Forts d'une compréhension approfondie de la gestion robuste des connaissances, des outils cognitifs et de leurs interactions, les laboratoires pharmaceutiques peuvent révolutionner leurs processus à tous les niveaux et proposer de meilleurs soins de santé à l'échelle mondiale.

Numérisation et gestion des connaissances : faciliter l'accès aux données dans toute l'entreprise pour accélérer l'innovation

Les laboratoires pharmaceutiques génèrent des volumes considérables d'informations : des informations sur les ingrédients, la formulation et les données des essais cliniques jusqu'aux rapports sur les temps de traitement, la production et le contrôle qualité. Ces nouveaux documents s'accumulent rapidement lorsqu'on utilise des sources de données d'informations existantes et des bases de données en silo, ce qui complique leur recherche et leur récupération. Ni structurés, ni harmonisés, les résultats d'expériences passées sont perdus dans l'univers des « dark data », dont on estime qu'il représente 55 % de l'ensemble des connaissances d'une organisation.

Faute d'un accès facile aux données historiques de l'ensemble des services, les laboratoires pharmaceutiques sont susceptibles de répéter leurs erreurs passées ou de creuser des questions dont les réponses ont déjà été trouvées. Pour accélérer l'innovation et raccourcir nettement le délai de mise sur le marché, la numérisation est essentielle.

Les laboratoires pharmaceutiques transforment leurs documents historiques, tels que les journaux de laboratoire, les jeux de données et les rapports, en actifs exploitables sur une plateforme de gestion des connaissances connectée. Cela permet à tous les membres de l'organisation d'accéder aux informations au niveau des ingrédients, aux coordonnées des fournisseurs, aux directives réglementaires et à d'autres informations scientifiques et commerciales. Ces entreprises franchissent un cap supplémentaire en créant une interface utilisateur en ligne afin de connecter les équipes de différents services et régions.

Grâce à une numérisation réfléchie, les laboratoires pharmaceutiques sont en mesure de faciliter, rationaliser et développer encore plus la R&D, la fabrication et la commercialisation tout en promouvant le travail interdisciplinaire et la collaboration internationale.

Rationaliser le développement de médicaments : accélérer l'innovation des traitements grâce aux outils cognitifs

Le numérique transforme l'industrie pharmaceutique, offrant aux chercheurs des outils révolutionnaires pour réduire les délais de mise sur le marché et améliorer la sécurité.

Le développement d'un vaccin contre la COVID-19 en moins d'un an a propulsé Pfizer sur le devant de la scène pharmaceutique. Même si l'efficacité des équipes de Pfizer est indiscutable, le temps de réponse sans précédent et l'avantage concurrentiel de ce laboratoire s'enracinent dans des pipelines bien établis mis en place bien avant la pandémie. Pionnier des stratégies numériques, Pfizer avait compris le potentiel révolutionnaire de la gestion des connaissances, de l'analyse de données et des initiatives d'IA dans le secteur pharmaceutique et les avait intégrés à ses opérations quotidiennes.

Forts de décennies d'expertise et de données de recherche, les géants de l'industrie pharmaceutique peuvent rapidement sélectionner les nouveaux candidats médicaments en ne retenant que les options les plus sûres. Par exemple, des algorithmes basés sur l'IA, combinés à des données cliniques antérieures, ont permis aux chercheurs de concevoir et de superviser des essais cliniques de grande ampleur avec des modèles prédictifs en temps réel sur l'incidence de la COVID-19. Repoussant les limites au-delà des portes du laboratoire, les stratégies de gestion des connaissances et les modèles d'IA ont permis de parvenir à la prédiction des stocks et à la surveillance de la chaîne d'approvisionnement en rationalisant le développement, la distribution et l'accessibilité des vaccins.

Les fondations de données robustes et les outils cognitifs déployés tout au long de sa chaîne d'approvisionnement ont permis à Pfizer de prendre une longueur d'avance dès le départ dans la course aux vaccins contre la COVID-19. De la sélection initiale des candidats médicaments à la surveillance du traitement, la puissance des outils cognitifs dans l'accélération du développement des médicaments a été démontrée. Toutefois, les prédictions de l'IA n'atteignent pleinement leur potentiel que si elles sont correctement établies à partir de jeux de données nettoyés, organisés et protégés. Pour lancer ou optimiser l'IA dans les flux de travail de la R&D dans le secteur pharmaceutique, il faut d'abord évaluer la qualité l'infrastructure de gestion des connaissances et des données.

Numérisation et sécurité des données : protection des informations exclusives, de la confidentialité des patients et de l'intégrité des recherches

Au cours de longues phases de recherche de médicaments et d'essais cliniques, l'industrie pharmaceutique a accès à des processus de fabrication essentiels et à des informations sur la santé des patients. Ces données sont précieuses pour les concurrents et les individus malveillants. Compte tenu de la croissance des cyberattaques (près d'une toutes les 39 secondes) et des usurpations d'identité dans le monde médical (35 % en 2019), la mise en place de stratégies de sécurité robustes dans l'industrie pharmaceutique est devenue cruciale.

Des rapports définissent les laboratoires pharmaceutiques comme des cibles de choix pour les cybercriminels et 53 % des violations de la confidentialité résultent d'activités malveillantes. Les informations confidentielles sont réparties dans différents services, sur différentes plateformes et dans différents logiciels : dans ces conditions, il est difficile pour les laboratoires de garantir la protection des données et un environnement sécurisé. La mise en place d'une interface de gestion des connaissances à l'échelle de l'entreprise peut assurer un contrôle d'accès strict des utilisateurs tout en éliminant les violations de données. Des plateformes collaboratives dans le cloud, disposant de canaux sécurisés sur lesquels chercheurs et cliniciens peuvent partager en toute sécurité des informations sensibles et éviter les risques de corruption des appareils, deviennent plus courantes dans l'industrie pharmaceutique. Toutefois, le basculement des solutions locales cloisonnées vers des plateformes dans le cloud ou des versions hybrides personnalisées est complexe et lent à effectuer. Pour simplifier la transition vers des écosystèmes de gestion des connaissances à jour tout en protégeant les données, les laboratoires pharmaceutiques doivent se tourner vers des partenaires spécialisés en transformation numérique possédant une bonne connaissance de leur domaine.

La transformation numérique du secteur pharmaceutique

La numérisation pourrait transformer radicalement l'industrie pharmaceutique en permettant une meilleure gestion des connaissances, une innovation accélérée et une sécurité des données renforcée, tout en réduisant les délais de mise sur le marché des médicaments. Toutefois, une stratégie de transformation numérique mal conçue peut aboutir à un gaspillage des ressources et à un risque accru.

Alors que la transformation numérique continue à évoluer dans le secteur pharmaceutique, les technologies numériques et les outils cognitifs trouvent leur place dans tous les aspects de l'industrie, permettant un développement plus rapide de médicaments et des options de traitement étendues à un nombre croissant de pathologies. La transformation numérique s'efforce d'apporter des solutions de santé innovantes de manière durable, responsable et accessible.

Pour en savoir plus sur la transformation numérique et la gestion des données, consultez nos études de cas avec CAS Services personnalisés^SM.

Oubliée, l'époque du plan de travail débordant de produits et les séances de maquillage interminables. Dans notre société au rythme accéléré, les consommatrices sont en quête de ce produit capable de tout faire.

C'est là qu'interviennent les cosmétiques multifonctionnels.

Qu'il s'agisse d'un produit de soin hydratant pour la peau qui possède également des vertus anti-âge et correctrices d'imperfections ou d'un masque de soin capillaire anti-frisottis et réparant les cheveux abîmés à appliquer sous la douche, les consommatrices sont plus exigeantes que jamais avec leurs produits cosmétiques. Toutefois, cette demande met l'industrie cosmétique sous pression pour formuler des produits capables de traiter plusieurs problèmes à la fois.

En restant informés au sujet des derniers ingrédients multifonctionnels, y compris le chitosane et la lignine, ainsi que des nouveaux systèmes d'administration, comme l'utilisation de la nanotechnologie, les formulateurs peuvent continuer à proposer des produits innovants sur ce marché à forte demande et en rapide évolution.

Des ingrédients magiques

L'un des meilleurs outils dont dispose l'industrie des cosmétiques pour formuler des cosmétiques multifonctionnels est ce que l'on appelle les « ingrédients magiques ». Ces ingrédients offrent de multiples avantages simultanés, permettant à des formulations qui n'utilisent que quelques composants de traiter de nombreux problèmes.

Parmi les ingrédients magiques les plus courants en cosmétique, on peut citer :

Alors que l'intérêt des consommatrices pour les listes d'ingrédients réduites et les « cosmétiques propres » ne cesse d'augmenter, les ingrédients magiques sont faciles à vendre à celles qui recherchent un ingrédient unique pour répondre à tous leurs besoins en matière de cosmétiques. Non seulement ces ingrédients facilitent la formulation, mais bon nombre d'entre eux sont considérés comme « naturels » ou « propres », ce qui leur confère un avantage évident en termes de marketing.

Hydratants herculéens

Les hydratants font partie des ingrédients cosmétiques les plus polyvalents. Ces ingrédients sont fréquemment utilisés pour hydrater la peau, les cheveux et les ongles, mais peuvent aussi servir à développer des produits polyvalents pour toutes ces utilisations. Les sérums et huiles hydratants sont désormais commercialisés sous la forme de produits de remplacement uniques d'un certain nombre de produits, tels que les crèmes pour les mains, les hydratants pour le visage et le corps, et les masques après-shampooing.

Les ingrédients hydratants peuvent aller au-delà du ciblage de différentes zones du corps. Ils peuvent aussi être utilisés dans des cosmétiques multifonctionnels, offrant également des vertus anti-âge, anti-oxydantes et anti-microbiennes. Les huiles végétales, telles que le beurre de karité et l'huile de coco, sont couramment utilisées dans le domaine des cosmétiques. Toutefois, de nouvelles recherches ont identifié un nouvel ingrédient prometteur : le chitosane.

Il peut être utilisé sur la peau et les cheveux, qu'il hydrate et protège. On pense que le chitosane offre les bienfaits suivants :

• Propriétés humectantes
• Propriétés émollientes
• Propriétés anti-microbiennes
• Revitalisant cutané
• Protection anti-UV
• Propriétés anti-oxydantes

Anti-oxydants extraordinaires

En tant qu'ingrédient aux vertus anti-oxydantes, le chitosane rejoindra d'autres composants cosmétiques comme le beurre de karité, l'huile de coco, la niacinamide et la propolis. Chaque ingrédient apporte ses multiples fonctionnalités, créant ainsi une vaste gamme d'options pour formuler des cosmétiques aux propriétés anti-oxydantes.

La lignine est un autre ingrédient candidat récent en matière de cosmétiques anti-oxydants. Dérivée de sources naturelles, parmi lesquelles la canne à sucre, la lignine possède des propriétés anti-oxydantes caractéristiques qui pourraient être exploitées pour des applications cosmétiques. Une étude réalisée en 2023 montre que la lignine a un pouvoir d'élimination des radicaux libres équivalent, voire supérieur à la norme en cosmétique. Cette étude démontre également que la lignine peut être utilisée comme un pigment cosmétique naturel et comme une protection anti-UV, ce qui met en évidence son potentiel d'ingrédient magique du futur.

Protection solaire spectaculaire

Le potentiel de la lignine en termes de protection anti-UV pourrait surpasser ses propriétés anti-oxydantes. Prouvée comme étant un puissant filtre anti-UV à la fois lors d'essais in vitro et sur des sujets volontaires humains, la lignine représente une opportunité fascinante pour l'avenir des cosmétiques multifonctionnels anti-UV. Face aux conseils de prudence de plus en plus fréquents au sujet de la protection solaire, les consommateurs sont à la recherche d'écrans solaires qui pourraient également soigner leurs autres problèmes de peau.

Une autre piste de recherche concerne l'ajout d'acide rosmarinique aux formulations d'écrans solaires, qui s'est avéré augmenter la protection solaire de 41 % tout en y ajoutant des propriétés anti-oxydantes. Un obstacle majeur pour les écrans solaires efficaces contenant des formulations cosmétiques multifonctionnels tient au fait que tout nouvel ingrédient ne doit pas compromettre les vertus anti-UV du produit. Cela fait de l'acide rosmarinique, qui est en mesure de renforcer la protection anti-UV tout en y ajoutant d'autres bienfaits, une opportunité fascinante pour les formulateurs.

Des soins anti-imperfections remarquables

Les produits de traitement des imperfections doivent souvent posséder plusieurs qualités, notamment des propriétés hydratantes, cicatrisantes et anti-oxydantes. Les ingrédients anti-inflammatoires et anti-microbiens peuvent permettre de combattre les causes des traces d'acné et ceux qui possèdent des vertus cicatrisantes et réparatrices de la barrière cutanée permettent de réduire les cicatrices. Ainsi, les ingrédients des soins anti-imperfections doivent offrir une certaine polyvalence, même dans le cadre de leur action principale.

Face au large éventail d'ingrédients anti-microbiens et anti-inflammatoires utilisés dans l'industrie des cosmétiques, les formulateurs ont l'embarras du choix parmi les ingrédients actifs. L'aloe vera, l'hamamélis, l'acide salicylique, le peroxyde de benzoyle et le rétinol sont des choix courants pour traiter les imperfections en apportant des propriétés anti-microbiennes et anti-inflammatoires à des produits tels que les lotions hydratantes.

Toutefois, les ingrédients magiques seuls ne suffisent pas. Des méthodes d'administration innovantes des ingrédients permettent de renforcer leur efficacité et leur longévité. Récemment, un système d'administration d'ingrédients cosmétiques anti-acné à base de nanoparticules a été élaboré afin de libérer les ingrédients actifs lentement une fois qu'ils sont en contact avec la peau, et a présenté des propriétés anti-microbiennes et anti-oxydantes accrues.

La formulation ultime

L'industrie des cosmétiques est confrontée au défi consistant à créer des formulations plus avancées et plus polyvalentes que jamais alors que les consommatrices revoient leurs habitudes en matière de produits cosmétiques. L'utilisation complète de certains ingrédients magiques pour réunir davantage de fonctionnalités dans les formules de cosmétiques peut aider les fabricants à atteindre cet objectif et à maintenir leurs produits au premier plan de cette nouvelle vague de cosmétiques polyvalents.

L'investissement dans les nouveaux ingrédients magiques comme le chitosane et la lignine peut aider les formulateurs à progresser dans le développement des produits, et l'adoption de nouveaux systèmes d'administration utilisant la nanotechnologie peut permettre d'exploiter plus de fonctionnalités des ingrédients existants que jamais. En restant informés au sujet des dernières recherches sur les cosmétiques multifonctionnels, ils continueront à soutenir l'innovation et à repousser les limites des propriétés que les consommatrices peuvent attendre de leurs produits cosmétiques.

Découvrez comment CAS peut vous aider à créer la formulation ultime en lisant l'article consacré à notre partenariat avec Citrine pour prédire les déformulations à l'aide de l'intelligence artificielle.

Alors que les consommateurs modifient leur régime alimentaire pour des raisons personnelles et de santé et qu'on assiste à une poussée sociétale en faveur de pratiques alimentaires plus durables, les viandes végétales connaissent un essor de popularité depuis quelques années. Les innovations dans ce secteur continuent à améliorer la qualité des alternatives à la viande et à produire plus d'options que jamais, ce qui produit un marché diversifié et concurrentiel.

Dans la mesure où la durabilité des viandes d'origine végétale est l'un des pilotes majeurs de l'intérêt du public pour ces produits, les consommateurs recherchent des alternatives qu'ils pourraient utiliser pour réduire leur consommation de viande et leur impact environnemental sans renoncer à consommer leurs aliments favoris. Comment les fabricants peuvent-ils proposer un produit durable de qualité répondant aux attentes élevées de leurs consommateurs en termes de saveur et de texture ?

Quelle est la durabilité des alternatives d'origine végétale ?

Les impacts négatifs de l'industrie de l'élevage sur l'environnement sont documentés et compris depuis longtemps. Les émissions causées par le bétail et par l'industrie elle-même représentent environ 15 % de la totalité des gaz à effet de serre dans le monde. On prévoit une augmentation de 9 % de ces émissions d'ici à 2031, de sorte que les solutions permettant de réduire la demande de viande sont plus essentielles que jamais.

Les innovations concernant les viandes d'origine végétale constituent l'une de ces solutions. En ce qui concerne les émissions de carbone à elles seules, elles sont jusqu'à 120 fois plus sobres en carbone que les produits à base de viande. Une étude récente réalisée en 2021 indique que les boulettes de viande d'origine végétale produisent un effet 77 % moindre sur le changement climatique que les boulettes de viande, grâce à une réduction de l'utilisation de terres et d'eau, de l'eutrophisation et de l'acidification.

La principale critique envers la durabilité des viandes d'origine végétale souligne que les produits alternatifs à la viande pourraient ne pas être aussi durable qu'une alimentation composée d'aliments complets strictement végétaux. Même si l'on peut comprendre ce débat, les alternatives à la viande offrent aux amateurs de viande un changement de comportement plus réalisable que le passage à une alimentation strictement végétarienne et leur permettent d'effectuer plus facilement la transition vers une solution durable.

Faire le changement

Malgré les nombreuses préoccupations au sujet de la crise climatique et la compréhension de l'impact environnemental de l'élevage, de nombreux consommateurs ont encore des difficultés à éliminer la viande de leur alimentation. Bien souvent, le désir d'adopter un mode de vie plus durable ne suffit pas pour déclencher le changement de comportement consistant à consommer moins, voire plus du tout, de viande. Les substituts de viande d'origine végétale offrent le moyen le plus facile de franchir ce pas.

En développant des produits végétaux dont la saveur et la texture sont similaires à celles des produits animaux, les innovateurs peuvent offrir aux consommateurs l'occasion de profiter du meilleur des deux mondes. Les fabricants doivent impérativement cibler ce public flexitarien, car les substituts à la viande sont très recherchés par les consommateurs qui ne souhaitent pas passer directement à un régime végétarien. Une enquête de l'université de Bath a révélé que 90 % des consommateurs de viandes et de laitages d'origine végétale incluent toujours la viande dans leur alimentation.

Les consommateurs apprécient l'idée selon laquelle ils pourraient améliorer leur durabilité en remplaçant certains de leurs aliments à base de viande par des alternatives d'origine végétale. Mais est-ce vraiment le cas ? Les recherches ont prouvé que oui. Bien qu'ils soient limités et réalisables, ces changements peuvent avoir un impact considérable sur l'environnement. Une étude a révélé que le remplacement de 5 % seulement de la consommation de viande en Allemagne par des protéines de pois pouvait réduire les émissions de gaz à effet de serre de 8 millions de tonnes par an.

Ainsi, les fabricants ouvrent vraiment la voie vers un avenir plus vert, plus accessible pour la plupart des consommateurs. En continuant à innover et à améliorer la durabilité de leurs produits, les fabricants pourraient aider les consommateurs à atteindre leurs objectifs en termes d'environnement et continuer à encourager l'investissement dans la durabilité des viandes d'origine végétale.

Choisir une protéine végétale

Le choix des protéines végétales est au cœur du développement de tout nouveau produit de substitution à la viande. Les sources de protéines peuvent affecter la saveur et la texture du produit, sa valeur nutritionnelle et sa durabilité, trois domaines dans lesquels les fabricants se doivent de séduire leurs consommateurs. Compte tenu de la croissance considérable de la demande des consommateurs, la valeur du marché des protéines végétales devrait atteindre 162 milliards de dollars d'ici à 2030. Cette industrie de grande ampleur se compose aujourd'hui de toute une série de sources parmi lesquelles les innovateurs peuvent choisir, certaines plus établies que d'autres, les sources actuelles et futures comprenant :

Le soja, le froment et les protéines de pois sont des sources de protéines qui présentent certains avantages : ils sont économiques, largement disponibles et possèdent une valeur nutritionnelle élevée, c'est pourquoi ils furent les premiers adoptés dans cette industrie. En s'appuyant sur ces avantages, la nouvelle vague de sources de protéines, parmi lesquelles le maïs, le riz, les pois chiches, les champignons et le colza, offre des fonctionnalités accrues pour le développement de produits. Ainsi, les développeurs bénéficient d'un meilleur contrôle pour créer des produits possédant la saveur et la texture qu'attendent les consommateurs.

Si l'on regarde encore plus loin, les options futures, telles que les algues et les alternatives cellulaires pourraient devenir les sources de protéines les plus durables. Même si les consommateurs doivent encore modifier leur comportement vis-à-vis de ces protéines, celles-ci sont hautement renouvelables et leur impact sur l'environnement est minime, ce qui pourrait permettre de créer des viandes d'origine végétale extrêmement durables.

L'avenir de la durabilité des viandes d'origine végétale

Les alternatives végétales à la viande ont un rôle considérable à jouer dans l'avenir de la durabilité alimentaire. Pour permettre aux carnivores de réduire leur consommation de produits d'origine animale sans avoir à transformer leurs habitudes alimentaires, des alternatives à la viande peuvent inciter bien plus de personnes à réduire leur consommation de viande tout en ayant un impact considérable sur l'environnement.

Cette transformation de l'environnement repose sur le développement par les entreprises de produits attrayants qui reproduisent de la manière la plus fidèle possible la saveur, la texture et l'aspect de la viande.Tandis que la recherche progresse avec des sources de protéines végétales plus durables, la viande d'origine végétale devrait continuer à gagner en popularité. Pour en savoir plus sur l'agriculture durable et sur les nouvelles approches dans le secteur des engrais qui permettront de réduire les émissions de carbone, lisez notre article récent consacré à l'agriculture durable.

La chimie verte commence par des catalyseurs verts, mais quelles sont les dernières nouveautés dans ce domaine émergent ? Les catalyseurs sont indispensables dans de nombreux secteurs, disciplines et laboratoires de R&D, et notre dernière synthèse identifie les nouvelles opportunités, les défis et les innovations. Dans de multiples domaines, de l'énergie à l'agriculture, en passant par les produits pharmaceutiques et plus encore, il pourrait s'agir d'un composant essentiel pour améliorer les indicateurs de durabilité.

Pourquoi plus grand ne rime pas toujours avec meilleur en matière d'outils d'IA et d'applications spécialisées

Depuis son lancement en 2022, ChatGPT a redéfini le discours autour de l'IA. On l'a qualifié à la fois de miracle et de menace, en raison de ses promesses positives comme de révolutionner le travail et de revitaliser les villes, mais aussi de ses conséquences négatives, telles que le remplacement des humains dans leur travail. Ce grand modèle de langage (LLM) serait capable de pratiquement tout.

Quelle est la différence entre ChatGPT et GPT-3/GPT-4 ?

Il existe des différences importantes entre ChatGPT et les LLM eux-mêmes, désignés par l'acronyme GPT suivi d'un chiffre (par ex. GPT-3 ou GPT-4). On les confond souvent ou on les utilise de manière interchangeable, mais ChatGPT est l'application de chatbot qui possède l'interface « conviviale » qui s'exécute au-dessus des LLM plus complexes (GPT-3 ou GPT-4).

GPT-3 et GPT-4 sont des versions différentes d'une série de modèles de transformateurs génératifs pré-entraînés. Les transformateurs constituent un type de réseaux neuraux appelé modèle linguistique. Ces modèles peuvent apprendre à identifier des modèles et des contextes dans des données peu structurées, comme des mots dans des phrases. Les transformateurs sont particulièrement efficaces dans ce domaine. Mis en contexte, un modèle génératif peut générer une sortie arbitrairement longue à partir d'une invite. Les modèles GPT combinent ces deux types de modèle.

D'un autre côté, ChatGPT est l'application qui se situe au-dessus des LLM comme GPT-3 ou GPT-4. Il possède un module de mémoire qui lui permet de poursuivre des conversations antérieures et dispose de filtres, de classificateurs et autres, intégrés pour minimiser les réponses toxiques ou inappropriées.

Que faut-il pour construire un LLM ?

Les LLM sont impressionnants. GPT-3 compte 175 milliards de paramètres ou de valeurs que le modèle peut modifier indépendamment à mesure qu'il apprend. GPT-4, la dernière version de la série GPT publiée en 2023, est encore plus volumineux, avec 1 trillion de paramètres. Comme peut en témoigner quiconque les a utilisés, ces modèles possèdent des connaissances d'une ampleur incroyable et des aptitudes étonnamment efficaces à produire des informations cohérentes.

Toutefois, ces capacités entraînent littéralement un coût. La formation de ces modèles GPT toujours plus importants et le déploiement d'applications comme ChatGPT est une prouesse d'ingénierie considérable. On estime que la construction de GPT-3 a coûté 4,6 millions de dollars et que son fonctionnement dans le cloud coûte au moins 87 000 dollars par an. Le développement de GPT-4 a probablement coûté la somme effarante de 100 millions de dollars, voire plus.

Au-delà de ces chiffres se dressent les coûts énormes du matériel et des ressources nécessaires à son fonctionnement tout en faisant en sorte que ses centres de données soient constamment refroidis. Les centres de données peuvent utiliser des milliards de litres d'eau et la climatisation consomme de l'énergie et contribue aux émissions, le tout obligeant les entreprises à évaluer les coûts et les avantages de ces puissants outils. En raison de ces coûts initiaux et continus, le coût des LLM est déjà prohibitif pour la plupart des entreprises privées, des établissements d'enseignement et des organisations du secteur public et cela ne changera pas à mesure que les modèles deviendront plus volumineux et plus puissants.

Les limites des LLM

Grâce à des composants structurels spécifiques, les modèles de transformateurs capturent la relation entre différentes entrées et disposant d'une grande quantité d'échantillons de texte, les LLM sont devenus très habiles pour extraire les éléments sémantiques larges d'un texte et suivre les relations entre les éléments textuels. Les modèles génératifs comme GPT-3 ont franchi un pas de plus et appris à suivre ces relations entre questions et réponses. Les résultats sont souvent fascinants. On peut demander à ChatGPT un nombre entre 0 et 100 ou si le cholestérol est un stéroïde, et on obtiendra généralement une réponse correcte.

Dans le cas d'applications spécialisées telles que la recherche scientifique, les grands modèles de langage ont parfois du mal à aller au-delà de la sémantique large et à comprendre les informations nuancées et spécifiques. Comment cela s'explique-t-il ? Tout d'abord, les LLM ne sont pas à l'abri du problème « données inexactes, résultats erronés ». Par ailleurs, même avec des données de formation de grande qualité, les informations d'entraînement pertinentes peuvent être sous-représentées.

Les sujets larges et souvent décrits sont bien capturés par les LLM. En revanche, les sujets étroits et spécialisés sont presque toujours sous-représentés et seront inévitablement moins bien gérés. Par exemple, un grand modèle de langage peut atteindre le niveau d'abstraction adéquat et déterminer si un élément est une molécule stéroïde. Il pourrait même différencier deux molécules de stéroïdes appartenant à la même famille, mais il ne pourrait pas déterminer de manière cohérente si l'une est extrêmement toxique et l'autre pas. L'aptitude du grand modèle de langage à faire cette distinction dépend des données utilisées pour son entraînement et de l'identification et de la « mémorisation » d'informations correctes. Si elles ont été masquées dans un océan d'informations médiocres ou conflictuelles, le modèle n'a aucun moyen d'en extraire la réponse correcte.

Certains pourraient arguer que ce problème pourrait être résolu avec plus de données, des données plus propres et des modèles plus grands. Ils auraient peut-être raison, mais que se passe-t-il si on demande à un LLM génératif un nombre aléatoire entre 0 et 100 ? Peut-on être sûr que le nombre obtenu est vraiment aléatoire ? Pour répondre à cette question, nous devons aller au-delà de la sémantique lexicale et des faits mémorisés, au-delà des LLM et en direction des agents d'IA. Dans ce cas, l'agent construirait un élément de code exécutable en utilisant des procédures validées, le transmettrait à un autre processus qui l'exécuterait, puis traiterait le résultat et présenterait la réponse à l'utilisateur.

Les défis spécifiques aux données scientifiques

Comme le savent mes collègues de CAS, les données scientifiques peuvent être beaucoup plus complexes que le texte et la plupart des problèmes ne peuvent pas être exprimés en une ou deux questions.

Lorsque nous utilisons des outils gérés par l'IA dans la recherche scientifique, nous devons nous demander quel problème nous essayons de résoudre. De nombreux problèmes impliquent des séquences de langage ou faiblement structurées, de sorte que les modèles de langage conviennent parfaitement. Mais qu'en est-il des données tabulaires, des données catégoriques, des graphes de connaissances et des séries temporelles ? Ces formes de données sont nécessaires à la recherche scientifique, mais les LLM ne peuvent pas toujours les exploiter. Cela signifie que les LLM à eux seuls ne peuvent pas fournir le niveau de spécificité nécessaire à une application telle que la recherche moléculaire. En fait, de même qu'un orchestre a besoin de nombreux instruments pour produire un son cohérent, la science a besoin de multiples outils dans sa boîte à outils d'IA pour produire des résultats cohérents.

Une approche des systèmes en termes de profondeur autant que d'ampleur

Si les LLM seuls ne sont pas adaptés à la recherche scientifique, que peut-on utiliser ? La réponse est une approche par systèmes qui utilise de multiples types de modèles pour générer des sorties spécialisées. En superposant des modèles de langage et des réseaux neuraux avec des outils traditionnels d'apprentissage machine, des graphes de connaissances, la chimio-informatique et la bio-informatique, ainsi que des méthodes statistiques telles que TF-IDF, les chercheurs peuvent inclure des informations nuancées et approfondies dans leurs programmes gérés par l'IA.

Ces outils peuvent fournir les résultats spécifiques nécessaires à des tâches telles que le développement de nouvelles molécules de médicaments ou l'invention d'un nouveau composé. Les graphes de connaissances sont particulièrement précieux, car ils agissent comme une réalité de terrain, en connectant de manière fiable des entités connues : une molécule, une réaction, un article publié, un concept contrôlé, etc. Un cas d'utilisation idéal concerne l'exploitation d'un réseau neural profond capable de dire : « Ceci est un certain type de substance » et d'un graphe de connaissances qui validera l'exactitude de cette affirmation. C'est ainsi que l'on peut obtenir des faits fiables nécessaires à la recherche scientifique.

Ce type d'approche par systèmes est essentiellement une fonction de vérification des faits qui permet d'améliorer la fiabilité des données et qui s'avère efficace dans les applications spécialisées. Par exemple, Nvidia a récemment publié Prismer, un modèle vision-langage conçu pour répondre à des questions sur des images ou produire des légendes pour ces mêmes images. Ce modèle utilise une approche par « mélange d'experts » qui forme de multiples sous-modèles plus petits. La profondeur des connaissances de ce modèle a fourni des résultats de qualité sans entraînement massif : elle a permis de mettre en correspondance la performance de modèles formés avec 10 à 20 fois plus de données.

Google travaille également sur une approche similaire, où la connaissance est extraite d'un modèle de langage « enseignant » polyvalent vers des modèles « étudiants » plus petits. Les modèles étudiants présentent de meilleures informations que le modèle plus grand en raison de leurs connaissances plus approfondies : un modèle étudiant formé sur 770 millions de paramètres a surclassé son enseignant disposant de 540 milliards de paramètres sur une tâche de raisonnement spécialisée. Même si l'entraînement du petit modèle est plus long, les gains d'efficacité continus sont très utiles, car il est à la fois moins cher et plus rapide à exécuter.

Améliorer la recherche scientifique

Un autre exemple d'approche par systèmes efficace est le PaSE, ou moteur de similitude des brevets, développé par mes collègues et moi-même chez CAS, qui alimente des fonctionnalités uniques de CAS STNext et de CAS SciFinder. Nous avons construit ce modèle dans le cadre de notre collaboration avec l'Institut national de la propriété intellectuelle (INPI) brésilien, l'office national des brevets du Brésil. Il a été conçu pour traiter d'énormes quantités d'informations en quelques minutes seulement, afin de permettre aux chercheurs de s'attaquer aux retards persistants dans l'examen des brevets.

Cette solution inclut un modèle de langage qui utilise les mêmes techniques essentielles d'apprentissage machine que la famille GPT, mais elle se superpose sur des types supplémentaires d'apprentissage, y compris des graphes de connaissances, de la chimio-informatique et des méthodes traditionnelles de récupération des informations. En formant le modèle à la science mondiale, par exemple au texte intégral de brevets et de revues figurant dans CAS Collection de contenus^TM, le moteur PaSE a atteint la profondeur et l'ampleur nécessaires pour identifier les « techniques antérieures » 50 % plus rapidement qu'en utilisant une recherche manuelle.

Pour les offices des brevets, il est extrêmement difficile de prouver que quelque chose n'existe pas. Pensez à l'adage : « l'absence de preuve n'est pas la preuve de l'absence ». Nos scientifiques des données ont entraîné et optimisé le modèle en lien avec des chercheurs experts en brevets, l'équipe de l'INPI brésilienne et une combinaison unique d'outils d'IA qui a identifié les techniques antérieures avec 40 % de recherche manuelle en moins. Grâce à cette performance et à la réduction du retard dans l'octroi des brevets, il a obtenu le prix Stu Kaback Business Impact Award décerné par le Patent Information Users Group en 2021.

Le parcours futur des grands modèles de langage dans la science

Cette expérience prouve que les LLM continueront à jouer un rôle majeur dans la recherche scientifique à l'avenir, mais que contrairement aux croyances populaires, cet outil n'est pas une panacée répondant à chaque problème ou chaque question.

J'aime comparer ces modèles au rangement d'une pièce désordonnée dans votre maison, par exemple un placard ou un grenier. Des personnes différentes peuvent organiser les objets présents dans ces pièces de différentes manières. Une personne pourrait tout ranger par couleur, alors qu'une autre réunira tous les objets de valeur et qu'une troisième les classera par fonction. Aucune de ces approches n'est mauvaise, mais il ne s'agit peut-être pas du type d'organisation que vous appréciez ou dont vous avez besoin. Il s'agit essentiellement du problème des LLM, qui sont capables d'organiser l'information d'une certaine manière, qui n'est pas celle dont un scientifique ou un chercheur a besoin.

Pour les applications spécialisées dans lesquelles l'utilisateur a besoin d'un certain résultat, par exemple les séquences protéiques, les informations sur les brevets ou les structures chimiques, les modèles alimentés par l'IA doivent être entraînés pour organiser et traiter l'information de manière spécifique. Ils doivent être en mesure d'organiser les données, les résultats et les variables comme le souhaitent leurs utilisateurs pour un entraînement et des prédictions optimum.

Pour en savoir plus sur l'impact de ces données, leur représentation et les modèles qui améliorent les prédictions scientifiques, consultez nos études de cas avec CAS Services personnalisés. Vous aimeriez en savoir plus sur le paysage émergent de l'IA et de la chimie ? Lisez notre dernier livre blanc sur les opportunités que l'IA peut offrir à la chimie ou explorez nos ressources sur la manière dont l'IA peut améliorer la productivité des offices de brevets du monde entier.

La charge mondiale croissante du cancer

La charge du cancer et de la mortalité associée augmente rapidement dans le monde entier, sous l'effet du vieillissement de la population et des changements en termes de prévalence et de répartition des principaux facteurs de risque du cancer. On prévoit que 28,4 millions de cas de cancer seront diagnostiqués en 2040, soit une hausse de 47 % par rapport à 2020.

Le cancer du sein chez la femme dépasse maintenant le cancer du poumon en termes de nombre de cancers diagnostiqués, et on estime que 2,3 millions de nouveaux cas seront détectés en 2020 (11,7 %), suivi par les cancers du poumon (11,4 %), colorectal (10 %), de la prostate (7,3 %) et de l'estomac (5,6 %). Les immunothérapies, telles que les inhibiteurs des points de contrôle, constituent un progrès essentiel dans le traitement du cancer. Malgré cette avancée, l'immunothérapie n'est pas une panacée contre tous les cancers. Tous les types de tumeur ne réagissent pas aux agents immunothérapeutiques et les mécanismes de résistance peuvent aboutir à une évasion immunitaire et à une croissance de la tumeur.

Même si aucun vaccin à ARNm contre le cancer n'est actuellement approuvé par la Food and Drug Administration aux États-Unis, la désignation de thérapie révolutionnaire a été accordée à un vaccin expérimental, le mRNA-4157-P201 (Moderna) combiné à l'inhibiteur de point de contrôle pembrolizumab (Merck) comme traitement adjuvant contre le mélanome à haut risque à la suite d'une résection complète. Depuis le succès des vaccins à ARNm contre la COVID-19, les chercheurs sont convaincus que la technologie des vaccins à ARNm peut être exploitée pour traiter les cellules cancéreuses. Cela dit, pourrions-nous être proches d'une intégration des traitements à ARNm dans le paysage des traitements contre le cancer ?

La boucle est bouclée : vaccins à ARNm et cancer

Beaucoup de gens pensent que les vaccins à ARNm contre la COVID-19 ont été développés du jour au lendemain. Toutefois, la conception, la fabrication et les tests rapides de ces vaccins n'auraient pas été possibles sans des années de recherche qui avaient permis de jeter les bases des vaccins contre la grippe, le cytomégalovirus et le Zika.

En 1995, une recherche déterminante a démontré qu'une injection intramusculaire d'antigènes carcinoembryonnaires codant l'ARN nu pouvait provoquer des réactions des anticorps spécifiques aux antigènes chez la souris. L'année suivante, une étude distincte a démontré que l'injection de cellules dendritiques transfectées avec ARNm chez des souris porteuses de tumeur induisaient des réponses des lymphocytes T et inhibaient la croissance de ces tumeurs. Ces travaux ont ouvert la voie à de nombreuses études au sujet de la faisabilité, de l'efficacité et de l'innocuité des technologies à base d'ARNm. Toutefois, jusqu'à une époque récente, l'immunogénicité innée et une administration in vivo inefficace limitaient les vaccins et les applications thérapeutiques de l'ARNm. Les chercheurs se heurtaient à un obstacle majeur : comment administrer l'ARNm à l'endroit voulu ? Une séquence d'ARNm injectée dans l'organisme sans aucune forme de protection aurait été considérée comme une substance étrangère et détruite.

Le développement rapide des vaccins à ARNm pour traiter le nouveau coronavirus, ou SARS-CoV-2, a contribué à faire passer l'utilisation des vaccins à ARNm du laboratoire au patient. Par exemple, les vaccins Pfizer-BioNTech et Moderna ont démonté l'efficacité de l'utilisation de nanoparticules lipidiques (NPL) pour administrer l'ARNm dans les cellules ciblées. Fin 2019, stimulé par l'épidémie de SARS-CoV-2, le volume de la littérature publiée et des demandes de brevet liées à des traitements par ARNm a rapidement augmenté dans le monde entier. Après 2020, le nombre d'articles publiés a rapidement augmenté, atteignant 3 361 articles en 2021 et près de 5 000 en 2022. Le nombre de demandes de brevet a poursuivi sa trajectoire ascendante après 2020, atteignant 382 en 2021 ; il est estimé à 522 en 2022 (figure 1).

Le succès des vaccins à ARNm contre la COVID-19 a révélé le potentiel de la plateforme ARNm non seulement contre d'autres maladies infectieuses, mais aussi contre les cancers. Dans la mesure où les informations révélées par les études sur les virus pourraient influer sur les travaux sur les vaccins contre le cancer, il semble que la boucle soit bouclée.

Recrutement du système immunitaire — comment fonctionnent les vaccins à ARNm contre le cancer

Les applications des vaccins à ARNm contre le cancer sont nombreuses, et les chercheurs étudient plusieurs stratégies d'immunothérapie contre le cancer :

• Présentation d'antigènes : les vaccins à ARNm envoient des antigènes contre le cancer vers des cellules présentatrices d'antigènes (CPA) pour la présentation des complexes majeurs d'histocompatibilité de classe I et II.
• Fonction adjuvante : l'ARNm stimule l'activation immunitaire en se liant à des récepteurs de reconnaissance de motifs exprimés par les CPA.
• Récepteurs antigéniques : l'ARNm introduit dans les lymphocytes des récepteurs antigéniques comme les récepteurs d'antigène chimérique (RAC) et les récepteurs des lymphocytes T.
• Production de protéines : l'ARNm permet l'expression de protéines immunomodulatrices, y compris des récepteurs de type toll, les récepteurs de chimiokines, les ligands de costimulation, les cytokines, les chimiokines et différents formats d'anticorps monoclonaux dans divers sous-ensembles de cellules.

Les traitements anticancéreux à ARNm sont-ils à notre portée ?

Des laboratoires tels que Genentech, CureVac et Moderna développent actuellement des vaccins à ARNm avec codage des néo-épitopes aptes à susciter des réponses immunitaires contre des tumeurs ciblées. Des dizaines d'essais cliniques sont en cours pour tester des vaccins à ARNm soit en tant que monothérapies, soit dans le cadre d'un traitement combiné chez des personnes atteintes de différents types de cancer, notamment le cancer du pancréas, le cancer colorectal et le mélanome. Plusieurs candidats-vaccins en cours d'essai de phase 2 démontrent une efficacité favorable contre le mélanome, le cancer du poumon non à petites cellules et le cancer de la prostate (tableau 1).

Tableau 1. Vaccins à ARNm dans les essais cliniques contre le cancer (phase 2 et au-delà)

Alors que les vaccins à ARNm contre le cancer suscitent de plus en plus d'intérêt parmi les chercheurs, l'essentiel de la recherche en oncologie s'est historiquement concentré sur les traitements à ARNm, avec une grande diversité de candidats-traitements qui sont entrés en phase de développement clinique (tableau 2), notamment :

• TriMix-MEL (eTheRNA Immunotherapies), mélange de trois ARNm qui activent des cellules immunitaires essentielles contre le cancer.
• Un traitement à ARNm (BioNTech) codant un anticorps monoclonal qui cible la claudine 18, une protéine exprimée dans de multiples cancers.
• Un ARNm encapsulé dans des NPL (MedImmune LLC) administré par injection intratumorale, visant à favoriser la production locale d'interleukine-12 (IL-12) et à induire une immunité anti-tumorale.

Tableau 2. Produits thérapeutiques à ARNm en cours d'essai clinique contre le cancer

Transformer les vaccins à ARNm contre le cancer en réalité

Nous avons réalisé de gros progrès dans la technologie d'ARNm contre le cancer au cours des dernières années, mais certains obstacles fondamentaux subsistent. Tout d'abord, les vaccins à ARNm contre le cancer ont besoin de systèmes spécifiques de conditionnement et d'administration avec une affinité appropriée pour le tissu/l'organe ciblé. Les chercheurs évaluent actuellement des approches visant à faciliter cela, y compris l'association de fractions ciblant les organes et d'oligonucléotides. Même si les NPL sont les véhicules les plus étudiés pour administrer l'ARNm, leur application clinique a été entravée par des problèmes de cytotoxicité et par leur temps de circulation relativement court. En conséquence, d'autres systèmes d'administration intelligente (par ex. les exosomes) sont en cours d'évaluation pour améliorer la biodisponibilité, le chargement et la libération de la charge d'ARNm.

L'administration efficace de la charge d'ARNm ne suffit pas. Pour garantir une efficacité maximale, les chercheurs étudient des approches visant à renforcer l'expression des protéines in vivo. Toutes les parties de l'ARNm - le cap, les régions 5' et 3', le cadre de lecture ouvert et la queue polyadénylée - peuvent être optimisées pour augmenter l'expression des protéines. Des nucléosides chimiquement modifiés semblent prometteurs dans ce domaine.

Outre la quantité d'expression des protéines, un défi majeur des vaccins à ARNm concerne la période relativement courte de la production de protéines, qui nécessite des administrations répétées. On étudie des ARNm auto-amplificateurs et circulaires en tant que stratégies pour prolonger la durée de vie de l'ARN et augmenter la production totale de protéines.

Même s'il reste beaucoup à faire, les vaccins à ARNm constituent une option clinique polyvalente pour traiter différents types de cancer lorsqu'ils sont utilisés seuls ou en association avec des options thérapeutiques existantes, comme les inhibiteurs des points de contrôle. Alors que nous anticipons la mise sur le marché des premiers traitements à ARNm, il sera intéressant d'explorer les résultats des nombreuses stratégies innovantes visant à lutter contre la charge mondiale du cancer.

Pour en savoir plus sur les vaccins et les traitements à ARNm, lisez notre article révisé par les pairs publié dans ACS Pharmacology and Translational Science.

Des affiches publicitaires d'un vert lumineux vantant les mérites d'un médicament hebdomadaire favorisant la perte de poids ont envahi les couloirs du métro de New York. Ozempic fait les gros titres sur fond de rumeurs concernant des soirées Ozempic organisées par des célébrités. Le tout nouveau produit, Mounjaro, attire l'attention des réseaux sociaux en surfant sur une vague de popularité mondiale croissante parmi les médicaments récemment approuvés par la FDA.

Initialement conçus pour traiter le diabète de type 2, les agonistes du récepteur de GLP-1, Ozempic, Wegovy (tous deux fabriqués par Novo Nordisk) et le médicament combiné Mounjaro (fabriqué par Eli Lilly) ont connu des pénuries en raison d'une demande croissante des consommateurs en quête de leurs avantages potentiels en tant que médicaments contre la surcharge pondérale. L'obésité est devenue une préoccupation mondiale qui affecte environ un tiers de la population mondiale et devrait concerner plus de 50 % des humains d'ici à 2035. Elle augmente le risque de différentes maladies, telles que les coronaropathies, l'hypertension artérielle et le diabète de type 2.

En réponse à cette crise croissante, les agonistes du récepteur de GLP-1 et leur potentiel combiné avec les analogues du GIP et les traitements connexes sont apparus comme des pistes de traitement prometteuses contre l'obésité et les maladies apparentées. Une bonne compréhension des différences entre ces approches scientifiques et de l'avenir de la perte de poids sera essentielle au moment où l'innovation dans ce domaine franchit un nouveau cap.

Comment l'organisme traite-t-il le sucre et régule-t-il la glycémie sanguine ?

Le corps possède un moyen de conserver un bon équilibre du taux de sucre dans le sang. Lorsque le taux de sucre est faible, les cellules alpha du pancréas fabrique une hormone, le glucagon, qui indique au foie de produire davantage de sucre et de le libérer dans la circulation sanguine. Lorsque le taux de sucre sanguin est élevé, les cellules bêta du pancréas produisent de l'insuline pour aider l'organisme à utiliser ou à stocker le sucre dans la graisse et les muscles, ainsi que dans le foie et d'autres tissus.

Le polypeptide inhibiteur gastrique (GIP) et le glucagon-like peptide (GLP-1), deux hormones secrétées par les intestins, jouent un rôle important dans l'obésité et le diabète, car elles participent à la régulation de la production d'insuline. L'insuline est nécessaire, car elle maintient l'équilibre des taux de sucre dans le sang. Lorsque le taux de sucre sanguin est faible, les cellules alpha du pancréas fabriquent une hormone, le glucagon, qui indique au foie de produire davantage de sucre. Lorsque le taux de sucre sanguin est élevé, les cellules bêta du pancréas produisent de l'insuline pour aider l'organisme à utiliser ou à stocker l'énergie.

Le GIP stimule à la fois la production d'insuline et de glucagon et protège les cellules productrices d'insuline tout en favorisant leur prolifération. Le GLP-1 stimule la libération d'insuline par le pancréas tout en inhibant la libération de glucagon.

Comment l'obésité peut-elle être gérée par des médicaments ?

Il existe à ce jour plusieurs types de médicaments pour gérer à la fois le diabète et l'obésité. Les agonistes du récepteur de GLP-1, tels que le sémaglutide (vendu sous les noms commerciaux Ozempic et Wegovy), activent la production d'insuline en imitant les actions du GLP-1. Le tirzépatide (sous le nom commercial de Mounjaro) combine des agonistes du récepteur de GLP-1 et des analogues du GIP. Les agonistes du récepteur de GLP-1 se lient au récepteur de glucagon-like peptide-1 dans les cellules, tandis que les analogues du GIP imitent la fonction du GIP, ces deux éléments favorisant la production d'insuline. Plus récemment, un nouveau médicament est apparu : le rétatrutide, un agoniste du GIP, du GLP-1 et du glucagon qui a obtenu des résultats prometteurs dans les premiers essais cliniques.

Vous trouverez ci-dessous un résumé des médicaments et des agonistes du récepteur de GLP-1 en cours d'études pour favoriser la perte de poids.

    1.  Agonistes du récepteur de GLP-1 comme le sémaglutide (Wegovy, Ozempic)

    2.  Approches combinées

a.    Agonistes des récepteurs de GLP-1 et de GIP tels que le tirzépatide (Mounjaro)

b.    Agonistes des récepteurs de GLP-1, GIP et glucagon comme le rétatrutide

La science sous-jacente à ces médicaments favorisant la perte de poids

L'activation des récepteurs de GLP-1 et de GIP augmente le métabolisme du glucose et des lipides de l'organisme. Cela réduit l'appétit et la vitesse de digestion, tout en renforçant l'aptitude à réduire l'adiposité et à atténuer le risque de maladies liées à l'obésité. Les effets majeurs comprennent :

• Sécrétion d'insuline : le GLP-1 et le GIP peuvent stimuler la libération d'insuline par les cellules bêta du pancréas lorsque la glycémie sanguine est élevée. Cela permet de faire baisser le taux de glycémie.
•  
• Vidange gastrique : le GLP-1 et le GIP peuvent ralentir le mouvement des aliments de l'estomac vers l'intestin. Cela a pour effet de réduire l'appétit et l'absorption de calories en prolongeant la sensation de satiété.  
• Régulation de l'appétit : le GLP-1 et le GIP peuvent affecter les régions du cerveau qui contrôlent les signaux de faim et de satiété. Cela permet de réduire l'appétit et l'absorption de nourriture en réduisant la sensation de faim et en renforçant l'impression de satiété.  

L'importance des approches combinées

La synergie est un facteur important à prendre en compte dans les thérapies combinées. La synergie se produit lorsque l'effet de la combinaison de plusieurs médicaments est plus important que la somme des effets individuels de chacun d'entre eux. L'importance de la combinaison d'agonistes du récepteur de GLP-1 et d'analogues du GIP dans les médicaments tient au fait que les deux voies moléculaires sont affectées, au lieu d'une seule des deux hormones principales. Dans le cas de médicaments en monothérapie tels que les sémaglutides, on a constaté lors des essais sur les humains et les souris le développement d'une tolérance à certains effets des médicaments. Les thérapies combinées empêchent l'organisme de développer une tolérance aux effets des médicaments puisque plusieurs voies sont ciblées. Un autre facteur à prendre en compte dans les thérapies combinées est le dosage. Les médicaments combinés permettent d'utiliser des doses moindres de chaque médicament, évitant ainsi certains effets secondaires.

Quels sont les résultats des essais cliniques et des utilisations concrètes ?

Plusieurs essais cliniques ont démontré que les médicaments agonistes du récepteur de GLP-1 et les médicaments combinés agonistes des récepteurs de GIP/GLP-1 peuvent provoquer une importante perte de poids chez les personnes diabétiques et/ou obèses par rapport à un placebo ou à d'autres traitements.  

Des études notables publiées dans le New England Journal of Medicine ont mis en évidence l'efficacité du sémaglutide et du tirzépatide. Dans une étude en double-aveugle portant sur 1961 participants, l'administration de 2,4 mg de sémaglutide, associée à un régime alimentaire et à une activité physique régulière, a permis à la moitié des participants de perdre 15 % de leur poids corporel, tandis qu'un tiers des participants en a perdu 20 % en 68 semaines. En revanche, les personnes appartenant au groupe placebo, qui avaient simplement modifié leur mode de vie, ont enregistré une perte de poids de 2,4 %. Dans une autre étude portant sur 2539 participants, le tirzépatide à des doses de 5 mg, 10 mg et 15 mg, combiné avec des changements du mode de vie, a permis une réduction de 25 % du poids corporel ou plus chez 15 %, 32 % et 36 % des participants, respectivement. Seules 1,5 % des personnes qui n'avaient changé que leur mode de vie ont constaté une perte de poids.

Des études comparant le tirzépatide et le sémaglutide chez des patients atteints de diabète de type 2 ont démontré que le tirzépatide était supérieur, puisque 82 à 86 % des patients prenant ce médicament ont connu une baisse du taux d'hémoglobine glycosylée jusqu'à moins de 7 % par rapport aux 79 % de personnes qui ont enregistré le même résultat avec le sémaglutide.

Il semble en outre que l'on ait observé un autre impact notable avec les médicaments combinant des cibles comme le GLP-1, le GIP et le glucagon. Les résultats récents des essais cliniques de phase 2 réalisés par Eli Lilly révèlent que les participants ont enregistré une perte de poids moyenne d'environ 24 %. Si les essais cliniques de phase 3 plus étendus confirment ces résultats, cela pourrait renforcer considérablement le portefeuille de médicaments pour la perte de poids d'Eli Lilly, en croissance régulière.

La popularité et l'impact des agonistes du récepteur de GLP-1 et des thérapies à base de GIP

Ozempic, vanté par les médias, a connu une croissance en flèche de prescriptions aux États-Unis. Au cours de l'année passée, les prescriptions d'Ozempic ont bondi de 111 % et, depuis son approbation en 2017, ce médicament se situe à la pointe du marché pour le traitement du diabète de type 2 (figure 1). Même s'il est principalement prescrit contre le diabète de type 2, l'Ozempic a également été utilisé pour la gestion chronique du poids, en raison d'une pénurie de Wegovy jusqu'à 2023.

Le tizrépatide, approuvé aux États-Unis en mai 2022 sous le nom commercial de Mounjaro, a contribué au chiffre d'affaires de 537,6 millions de dollars enregistré par Eli Lilly au premier semestre 2023. Dans la mesure où ce médicament a reçu la désignation « Fast Track » de la FDA aux États-Unis pour le traitement de l'obésité, ce médicament devrait concurrencer ses homologues sémaglutides.

Analyse des tendances de publication de revues et de brevets

Une recherche dans CAS Collection de contenus concernant les publications liées aux sémaglutides a révélé que le nombre d'articles a plus que doublé entre 2019 et 2022. Le nombre de brevets concernant les sémaglutides a également augmenté, passant de 2 en 2011 à 109 en 2022. De nouvelles publications devraient apparaître à mesure que la popularité des sémaglutides entraînera une multiplication des projets de recherche, en particulier dans la gestion de la perte de poids.

S'agissant d'un médicament récent, le tirzépatide a fait l'objet de moins de publications au cours des dix dernières années, selon CAS Collection de contenus. On a toutefois constaté une hausse des publications dans les revues, qui sont passées de 34 en 2021 à 72 en 2022. Le nombre de brevets concernant le tirzépatide a également progressé au cours de cette période. Alors que le tirzépatide fera l'objet d'autres essais et obtiendra l'approbation de la FDA pour la gestion de la perte de poids, on s'attend à une forte hausse des publications.

Analyse du pipeline

Le développement de nouveaux médicaments contre le diabète et pour la perte de poids est un domaine de recherche très actif avec plusieurs candidats médicaments prometteurs à différentes phases d'essais cliniques. Novo Nordisk dispose de médicaments à sémaglutides par voie orale dans son pipeline. Le sémaglutide hebdomadaire par voie orale est encore en phase 1 et le sémaglutide à doses de 25 mg et 50 mg pour la gestion du diabète fait l'objet d'essais en phase 3. Par ailleurs, des essais en phase 2 sont en cours pour un traitement combiné GLP-1/GIP par voie orale contre le diabète. Le tirzépatide est actuellement en cours d'essais de phase 2 pour les traitements de la stéatohépatite non-alcoolique (NASH) et de phase 3 pour l'insuffisance cardiaque à fraction d'éjection préservée (iCFeP), l'apnée obstructive du sommeil, la morbidité et la mortalité liées à l'obésité et les affections cardiovasculaires. Grâce à sa désignation « fast-track » pour le traitement de l'obésité chronique, le tirzépatide est proche de l'approbation réglementaire. Eli Lilly dispose également d'un peptide coagoniste du GIP/GLP en cours d'essais de phase 1 pour le traitement du diabète.

Le paysage futur

Alors que la prévalence de l'obésité et du diabète de type 2 ne cesse d'augmenter dans le monde, les agonistes du récepteur du GLP-1 et les thérapies à base de GIP semblent prometteurs dans les publications et les développements dans le pipeline. Leur succès et leur impact se traduisent par un nombre croissant de prescriptions et par les résultats positifs enregistrés lors des essais cliniques. L'étape suivante de la gestion de la perte de poids concernera les thérapies combinées incluant des médicaments actuels tels que le Mounjaro et les essais précoces du rétatrutide. En utilisant les réponses hormonales naturelles de l'organisme, ces médicaments fournissent non seulement une nouvelle approche de la perte de poids et du contrôle du métabolisme, mais pourraient aussi permettre le traitement d'autres maladies. Pour en savoir plus sur les thérapeutiques émergentes et les progrès majeurs, lisez nos rapports Insights approfondis sur les thérapeutiques à base d'ARN, les exosomes, les nanoparticules lipidiques et plus encore.  

En collaboration avec l'université de Westlake à Hangzhou en Chine, ce rapport CAS Insights présente le paysage émergent des hydrogels, des antimicrobiens, des nanoparticules lipidiques, des exosomes et plus encore, qui redéfinissent l'avenir des biomatériaux interagissant avec les systèmes biologiques. Ce rapport identifie de nouvelles opportunités, des tendances émergentes et les défis majeurs qui attendent les nombreuses industries et disciplines concernées par les biomatériaux. Pour en savoir plus, lisez notre rapport détaillé ci-dessous.